TGRS2026
IVT GSCNet：无人机遥感图像结构一致、语义对齐的无对映红外到可见光转换
针对无人机红外遥感影像存在空间分辨率较低、缺乏颜色信息及语义表达能力不足等问题，以及传统非配对红外—可见光图像转换方法易受传感器噪声干扰、跨模态语义对齐不足和几何结构失真等因素影响，提出一种基于门控空间—通道特征学习的无人机红外—可见光图像转换网络（IVT-GSCNet）。该方法首先设计门控特征细化模块（GFRM），在U-Net跳跃连接中自适应抑制传感器噪声与背景杂波干扰，增强有效特征传递与图像重建能力；其次，构建层加权对比学习机制，通过提高深层全局语义特征的学习权重，增强非配对红外与可见光影像之间的语义一致性，改善场景整体结构保持与弱小目标空间定位能力；进一步引入融合边缘损失、结构相似性损失和平滑约束的复合结构约束机制，强化图像转换过程中的几何结构保持，降低目标边界模糊与结构畸变。该研究将门控特征优化、跨模态对比学习与多重结构约束相结合，在提升红外图像可见光转换感知质量的同时，兼顾场景结构一致性与视觉真实性，为夜间及低照度条件下的无人机遥感场景理解、目标感知与语义分割提供了新的技术途径。